Tin nổi bật
Gemini API thêm Managed Agents cho tác vụ nền và remote MCP · 7 phút https://blog.google/innovation-and-ai/technology/developers-tools/expanding-managed-agents-gemini-api/
Nếu bạn đang build agents, đây là tin quan trọng nhất tuần. Google đang đẩy Managed Agents trong Gemini API từ demo sang thứ có thể chạy production hơn: tác vụ nền cho job lâu, remote MCP để nối tool ngoài, và phần hạ tầng agent được quản lý sẵn. Phần đáng tiền là dev bớt phải tự vá hàng đống thứ nhàm chán như orchestration, retry, trạng thái tác vụ, rồi mới bắt đầu xử lý logic sản phẩm. Tôi vẫn sẽ kiểm tra kỹ giới hạn, latency và cách tính phí trước khi đưa vào app thật, nhưng hướng đi này đúng: agent framework phải biến thành API vận hành được, không chỉ notebook biểu diễn.
Models & Tools
GPT-Live đưa voice model sang kiểu full-duplex · 6 phút https://openai.com/index/introducing-gpt-live
Trước đây voice assistant thường phải nghe xong rồi mới nói, nên hội thoại bị cứng như họp Zoom mất mạng. GPT-Live dùng kiến trúc full-duplex: có thể nghe và nói cùng lúc, giữ nhịp hội thoại, rồi delegate việc khó sang frontier model phía sau. API chưa mở ngay, nhưng ai làm voice agent nên theo dõi sát vì đây là lớp UX khác hẳn text chat gắn loa.
GPT-5.6 trở thành model ưu tiên trong Microsoft 365 Copilot · 4 phút https://openai.com/index/gpt-5-6-preferred-model-microsoft-365-copilot
Bản này không phải release API hào nhoáng cho mọi dev, nhưng tín hiệu khá rõ: GPT-5.6 đang được đưa vào luồng Word, Excel, PowerPoint, Chat và Cowork qua Microsoft 365 Copilot. Với team enterprise, chuyện cần nhìn không chỉ là chất lượng output, mà là model mới có giảm số vòng prompt trong workflow văn phòng thật hay không. Nếu không đo được thời gian sửa tài liệu, phân tích bảng tính, hoặc tạo deck giảm bao nhiêu, mọi câu “năng suất hơn” vẫn chỉ là brochure.
OpenAI mở Bio Bug Bounty cho rủi ro sinh học · 3 phút https://openai.com/index/bio-bug-bounty
Bio Bounty nghe xa với web dev, nhưng nó cho thấy frontier labs đang xử lý safety giống security hơn: mời người ngoài tìm lỗi trong vùng rủi ro cụ thể. Bài học gần gũi là các hệ thống AI nhạy cảm cần bounty, red-team và quy trình report rõ ràng, không thể chỉ dựa vào prompt “hãy an toàn”.
Research & Insights
OpenAI audit SWE-Bench Pro và phát hiện khoảng 30% task có vấn đề · 6 phút https://openai.com/index/separating-signal-from-noise-coding-evaluations
Con số làm tôi giật mình: pipeline của OpenAI flag 27,4% task lỗi, còn human review tìm 34,1% task lỗi trong SWE-Bench Pro. Với dev đang chọn coding model, takeaway rất thực dụng: đừng nhìn một benchmark rồi mua niềm tin, nhất là benchmark có hidden tests quá chặt, prompt thiếu yêu cầu, hoặc test coverage thấp. Khi đánh giá model cho repo của mình, hãy chạy task thật, test thật, review diff thật.
— tinAI